汇率波动、金融结构与技术创新

随着全球经济不确定性的上升,我国"创新驱动发展"战略的实施面临诸多挑战,金融供给侧结构性改革作为激发新动能的重要路径选择,备受各界关注.本文将金融结构的异质性纳入分析框架,系统考察了汇率波动与一国技术创新水平之间的关系.研究发现:汇率波动对一国技术创新具有显著的抑制作用,并且对发展中国家的负向冲击大于发达国家;汇率波动对一国技术创新负向冲击的影响随着技术创新分位点的上升而逐渐减小,2008年金融危机的爆发放大了汇率波动对一国技术创新水平的抑制作用.机制检验发现,国家风险触发效应和研发投入冲击效应是汇率波动影响一国技术创新水平的重要渠道.此外,引入金融结构指标研究发现,相较于银行主导型,市场主导型金融结构更有助于缓解汇率波动对一国技术创新的负向冲击,并且金融结构存在门限效应,跨过门限值调节作用将大大增强.     

重大冲击下全球外汇市场风险的生成机理研究

在重大国际事件频发的背景下,考察不同重大冲击下全球外汇市场风险成因,对于防范化解金融市场风险的意义重大.基于波动风险与传染风险的双重风险视角,本文首先考虑全球外汇市场的传染风险和自身风险累积带来的内部风险成因,继而通过金融市场之间的传导、政策实施的传导以及实体经济的传导来考察全球外汇市场的外部风险成因.研究结果如下.(1)从全球外汇市场波动风险来看,全球金融危机和新冠肺炎疫情对全球外汇市场风险的影响较为一致且均较大,欧债危机和中美贸易摩擦对全球外汇市场风险的影响较为一致且均较小.(2)从全球外汇市场内部风险成因来看,全球金融危机、欧债危机和新冠肺炎疫情时期,全球外汇市场风险主要由传染风险驱动.而在中美贸易摩擦时期,全球外汇市场风险主要由自身风险累积驱动.(3)从全球外汇市场外部风险成因来看,跨市场传染因素在正常时期、欧债危机和中美贸易摩擦时期的贡献度最高,政策实施传导在全球金融危机时期的贡献度最高,实体经济因素在新冠肺炎疫情时期的贡献度最高.     

经济政策不确定性的跨国溢出效应及其形成机理

本文采用最新发展的广义方差分解谱表示方法,从频域视角考察全球15个主要国家间经济政策不确定性的短期与长期溢出效应,并依次从总溢出水平、方向性溢出水平以及影响因素三个层面进行分析.研究发现,(1)短期与长期下的不确定性总溢出水平呈现出截然不同的时序特征.(2)各国经济政策不确定性溢出水平与国际国内具体事件密切相关,不同类型的冲击事件所产生的溢出效应具有不同的周期长度.其中,一国货币政策、贸易政策的调整将导致其短期溢出水平显著提高,而紧缩性财政政策、政党更替及其他对经济具有负面影响的极端事件则会推动其长期溢出水平大幅上升.(3)金融开放度与贸易开放度较高的国家分别具有较高的短期溢入与长期溢入水平,发达国家与环太平洋地区国家分别呈现出较高的短期溢出与长期溢出.(4)对长短期溢出影响因素的回归分析表明,两国间的金融市场波动相关性和产业结构相似度将显著增强双方的短期溢出,而贸易规模和经济周期差异则对彼此间的长期溢出具有正向影响.     

重大风险事件下全球股票市场风险传染效应研究

文章利用前沿的Elastic Net-VAR模型，考察在不同重大风险事件背景下全球股票市场的风险传染效应，并结合正交分解法和MQ贡献度指标，分析比较实体经济、市场预期、经济政策与跨市场传染等因素对全球股票市场风险传染效应的异质性影响。研究结论如下：在重大风险事件的冲击下，全球股票市场风险网络关联度更紧密，风险传染的地理集聚效应更显著，同时，资本开放水平较高的发达市场对新兴市场的风险输出能力明显增强；全球股票市场风险传染总效应在新冠疫情时期达到历史峰值，且全球股票市场隐含波动性对该峰值的形成具有前瞻性；实体经济因素在国际金融危机时期和欧债危机时期贡献度最高，市场预期因素在正常时期和中美贸易摩擦时期影响最大，经济政策与跨市场传染因素在新冠疫情时期影响最大。     

新冠肺炎疫情对民宿行业的冲击影响研究——基于四象限模型考察

2020年年初暴发的新冠肺炎疫情对经济的冲击效应研究已经成为学术界的热点话题。文章通过构建民宿市场四象限模型,分析新冠肺炎疫情对民宿行业的影响。文章探讨在疫情冲击下民宿存量市场供求同时下降,导致存量市场交易大幅收缩;民宿增量市场,预期投资回报下降,造成增量供给停滞甚至呈现负增长;民宿增量-存量双重下降,揭示新冠肺炎疫情对民宿行业发展造成严重负面影响。从盘活存量、刺激增量两方面入手,为民宿行业应对新冠疫情提出建议策略。     

变结构Copula模型在金融波动溢出效应中应用研究综述

在经济全球化和金融一体化的推动下,金融市场之间的联动性变得更加紧密,金融市场间的波动溢出效应也更加剧烈,传统的金融波动模型无法精确地描述金融市场间错综复杂的波动溢出特征,因此构建刻画金融市场间的波动溢出机制的模型是众多学者研究的焦点。文章通过查阅国内外学者关于金融波动的相关学术论著,总结了变结构Copula模型在金融波动溢出效应中的优势,发现变结构Copula模型问题的解决将为金融市场的发展作出更大的贡献,提出变结构Copula模型在金融波动溢出效应方面未来的可能发展方向。     

波动率风险溢酬:基于香港和美国期权市场的研究

文章运用方差互换合约的思想,从香港恒生指数和美国S&P500指数现货和期权的价格中提炼出无模型波动率风险溢酬,并对其特征进行了考察。研究结果表明,香港股市和美国股市中的波动率风险的确被定价,且风险溢酬显著为负,说明两市投资者均体现出风险厌恶。但同时我们也发现两个市场投资者的行为模式存在差异。此外,香港和美国市场的波动率风险相关度很高,且存在明显的溢出效应。     

宏观经济变量冲击与我国银行间市场风险传染

虽然宏观经济变量对我国银行同业拆借市场的影响比较小,但随着时间的推移,风险传染规模呈扩大趋势,同时银行风险的溢出效应比较明显。本文模型结构和模拟结果显示的四个特征表明,监管当局在防范我国银行风险传染方面不仅要关注宏观经济变量冲击的负面影响和银行在同业拆借市场中的具体交易情况,还需要关注银行风险的传染源和风险溢出效应。监管机构可以通过建立银行偿付水平对应于不同宏观经济变量的敏感系数,时刻关注宏观经济的异常波动对银行偿付能力的影响。     

金融风险动态相关与风险溢出异质性研究

随着金融的深度融合,金融各行业在创新驱动下,推出跨行业、跨主体的金融产品和投资业务,虽然增加了自身经营活力,但是内部控制的缺失,加上监管机制不成熟,使得金融系统内的交叉风险极易滋生和传染.为了捕捉金融风险动态关系,本文通过构建DCC-GARCH模型刻画银行业、证券业、保险业、信托业以及金融期货的动态相关性,分析它们的风险溢出效应;同时,将该模型参数和结果植入CoVaR方法中,进一步度量并解析当某一金融行业陷入困境时,对其他金融行业的风险溢出贡献.结果显示:金融行业间存在很强的风险溢出效应,但是不同的行业对其他行业的风险溢出程度存在动态变化;证券业对其他金融行业的平均风险溢出贡献最大;银行业对其他金融行业的平均风险溢出贡献较小;金融期货在市场稳定期,对金融行业的风险溢出贡献小,不稳定时期的风险溢出贡献最大.认清该事实特征,有助于监管部门发现金融风险传导和集聚路径,通过细化和分类监管,化解风险,维护我国金融系统的稳定.     

干散货运价指数与中国进口铁矿石价格溢出效应研究

研究干散货运价与大宗原材料价格的溢出效应可以分析跨市场间的价格信息传导,进而规避风险。以BDI、BCI、中国进口铁矿石价格的日频数据为研究样本,通过建立VAR模型,引入Granger因果检验,探索三者之间的均值溢出效应;构建VAR-MGARCH-BEKK模型,研究三者之间的波动溢出效应。结果表明:BCI与进口铁矿石价格互相存在均值溢出效应;BDI对进口铁矿石价格波动持续性逐渐增强,BCI对进口铁矿石价格波动持续性逐渐减弱;航运市场居于跨市场系统主导地位。     

疫情冲击下国际冷链物流衍生风险及其防范

国际冷链物流对于保障预冷处理商品质量安全，促进冷链商品跨境流通举足轻重。文章阐释了新冠疫情长期化对国际冷链物流的冲击与溢出效应，剖析了新冠疫情冲击下国际冷链物流的衍生风险。进而从完善信息共享平台、强化闭环管理，设立集中监管仓、加强风险排查前置化，优化冷链资源配置、促进冷链物流数字化、优化冷链作业流程、健全物流安全规制等方面提出了风险防范对策与启示。     

宏观经济波动下银行风险承担水平研究——基于股权结构异质性的视角

宏观经济波动将改变商业银行风险承担水平,而银行股权结构的不同将使两者之间的关联呈现差异。本文以我国45家商业银行2005-2010年间的年度非平衡面板数据为研究样本,运用动态面板模型,实证检验了宏观经济波动下拥有不同股权结构的商业银行的风险承担水平的差异。结果表明,宏观经济波动与银行风险水平负相关,正向(负向)的宏观经济冲击使得银行风险降低(提高);而银行所有权结构中国有股占比的上升会显著增强银行风险承担水平与宏观经济波动之间的敏感性,当经济处于上行(下行)周期时,国有股占比较高的银行的风险将大幅降低(提高)。     

我国金融业系统性风险溢出效应研究

本文基于中证800行业指数2013年-2018年日度数据,构建静态及动态CoVaR模型,研究该时期我国银行、证券、保险三大金融子行业与金融业整体间的风险溢出效应。研究表明:①各行业间均存在显著的风险边际溢出效应,但影响程度有差异。②各行业间风险总溢出效应随风险水平改变。当风险加剧,证券业成为风险溢出水平最大的行业。     

铁矿石与热卷期货间价格波动溢出实证研究——基于GARCH（1,1）与VAR模型

铁矿石与热卷期货上市以来，整体市场已趋于成熟。探索黑色系产业链相关期货价格联动效应，对政策完善、相关企业规避风险稳健发展与投资者探寻套利机会均有重要意义。文章通过ＧＡＲＣＨ(１，１)与ＶＡＲ模型构建等实证检验方法探究我国铁矿石与热卷期货间的价格波动溢出效应，结果表明其具备双向价格波动溢出效应，且波动冲击影响持续。基于实证结果，文章提出了政府应扩张监管政策覆盖面、企业与投资者应积极利用期货联动关系交易与规避风险等建议。     

国际原油价格与我国新能源股股价的波动研究

选取2014年5月16日至2018年10月25日WTI原油期货价格与深证国证新能指数的日样本数据,通过ADF检验、自相关检验、ARCH检验等方法,基于ARMA-GARCH模型对二者的VaR(在险价值)与其之间的△CoVaR进行拟合和预测,对国际原油价格与我国能源股价格间的波动关系进行量化研究,并做出经济解释。结果表明,国际原油期货价格对我国新能源股的溢出效应呈现正负交替的时变性以及显著的不对称性,即油价下跌的溢出效应比其上涨更为明显;从长期来看,原油对新能源股存在较为显著的正向风险溢出。故政府需做好准备应对这种溢出效应,重点勘察国际油价下跌给股市造成的风险。     

中国金融市场溢出效应分析

自人民币汇率改革以来,我国金融市场间逐渐呈现出协同趋势,金融市场一体化显著提高,市场间交互联系愈发紧密。采用三元VAR(2)-GARCH-BEKK(1,1)-t模型分析我国股市、债市和汇市间的价格和波动溢出效应。分析结果表明:我国金融子市场间均存在不同程度的单向或双向非对称的价格溢出效应和波动溢出效应。据此认为,相关监管机构应加大金融市场的协调监管,预防金融风险交叉传递,合理有步骤地推进金融改革。     

后疫情时代北京企业海外投资面临的挑战和对策

中国企业“走出去”的过程中,驻京央企和北京市属企业一直发挥引领和示范效应,北京对外直接投资稳步发展,投资规模不断扩大、国别区域分布趋于多元化。但北京跨国企业的国际竞争力仍然不够强,在百年未有之大变局和新冠肺炎疫情的双重冲击下,北京跨国企业面临地缘政治风险、宏观经济风险、大国博弈和文化差异等一系列风险和挑战。为推动北京企业海外投资高质量发展,需继续扩大对内和对外双向开放,不断推进多双边国际合作;抓住新科技革命机遇,联合攻关“卡脖子”关键核心技术;抓住全球产业链调整时机,持续向产业链高端攀升;继续做好新冠肺炎疫情防控,有效防范新冠肺炎疫情大幅反弹。     

国内铜价格波动的时变特征分析

选取2010年~2013年上海现货铜日均交易价格数据,运用GARCH族模型对铜价格波动的时变特征进行了实证分析。结果表明:铜价存在高阶的ARCH效应,其价格波动具有明显的集聚性;铜市场中风险与收益之间没有显著的正相关关系,高风险未必意味着高收益;铜价波动存在杠杆效应,且负向冲击引发的价格波动大于正向冲击引发的价格波动;基于GED分布的AR(1)-TGARCH(1,1)模型能够较好的拟合铜价波动特征,可以用于对铜价未来走势的预测。最后,给出了抑制铜价波动、完善铜交易市场的几点对策建议。     

基于跳跃、好坏波动率的混频已实现EGARCH模型的波动率预测与风险度量

为探究资产价格的跳跃行为和收益波动的非对称效应对波动率预测的影响,以高频数据建模为视角,基于跳跃、好坏波动率将Realized EGARCH-MIDAS模型进行拓展,以提升模型的波动率预测能力与风险度量效果。运用拓展后的模型,以沪深300指数价格高频数据为样本进行实证分析,探究中国股票市场的波动性规律,并采用似然函数、信息准则和基于损失函数的DM与MCS等检验方法,综合比较了改进前后的模型对波动率及风险值的预测效果。实证结果显示：(1)沪深300指数收益的长期波动主要来源于连续波动而非跳跃波动,且受正连续波动影响更大,而负跳跃对波动具有明显的负向冲击;(2)文章提出的拓展模型均能更好地捕捉波动率的长记忆性,在样本内估计和样本外预测上也都有更好的表现,其中同时考虑跳跃与非对称影响的Realized EGARCH-MIDAS-RSJ拓展模型拥有最优的估计及预测效果。     

传染的周转率与基金业绩波动关系研究

基于从发现投资机会的视角来解释基金的频繁交易对基金业绩影响的新理论,本文对基金周转率的传染机制、基金业绩波动的联动效应以及基金周转率对其他基金业绩波动产生的溢出效应进行理论和实证分析.借鉴SIR模型的思路,基于基金经理的社会网络构建Fund SIR模型的分析框架进行理论分析.研究结果表明:(1)基金经理可以提前获取投资信息来指导其实际的投资决策;(2)基于基金经理的社会网络,处于同一社会网络下的基金周转率具有传染性,业绩波动具有联动效应;(3)处于越多维度的关系网络下的基金周转率传染性和基金业绩联动效应越明显;(4)基金周转率不仅会对其业绩波动产生影响,而且还会对处于同一社会网络下的其他基金的业绩波动产生溢出效应;(5)基金业绩波动与基金经理的社会网络规模呈现倒“U”型关系.